摘要: 针对用于全自动脑肿瘤分割的传统深度卷积神经网络存在多尺度病变处理能力较弱问题,该文使用改进的3D递归残差卷积单元构建特征学习的主干,提高特征学习的空间相关性并缓解网络模型过于复杂造成的网络退化和梯度弥散;由具有不同膨胀率的3D空洞卷积和跨模型注意力机制构建分层特征金字塔,结合上下文特征以提高整体模型对不同大小肿瘤的识别能力;结合多层特征图对肿瘤进行辅助预测,以获得最终分割结果。在BraTS 2019数据集上进行的实验表明,该文方法在分割WT、TC、ET取得的平均DSC值分别为0.897、0.852、0.823,与现有高效的脑肿瘤分割方法相比在学习病变的多尺度特征方面具有更好的效果。
中图分类号: